优化门脉高压出血的内镜与介入治疗
该数据集来自 clinicaltrials.gov，聚焦门脉高压相关胃食管静脉曲张出血的临床管理。覆盖门脉高压、胃食管静脉曲张出血、胃静脉曲张与食管静脉曲张等情形，关注门静脉压力升高、并发粗大腔外血管、门静脉血栓及显著门体分流等高危因素对内镜治疗疗效的影响，并与介入治疗进行比较
基本信息
资源简介
优化门脉高压出血的内镜与介入治疗
该数据集英文名为 Optimizing Endoscopic and Interventional Treatment for Portal Hypertensive Bleeding，来源于 clinicaltrials.gov，聚焦门脉高压相关胃食管静脉曲张出血的临床管理。数据集覆盖门脉高压、胃食管静脉曲张出血、胃静脉曲张与食管静脉曲张等情形，关注门静脉压力升高、并发粗大腔外血管、门静脉血栓及显著门体分流等高危因素对内镜治疗疗效的影响，并与介入治疗进行比较，旨在优化食管和胃静脉曲张的临床管理方案，提升门脉高压相关食管和胃静脉曲张的治疗效果并改善患者预后。本站将其归类于循环系统疾病下的其他类别。
【数据集背景】
门脉高压相关胃食管静脉曲张出血是临床管理中的复杂问题。该数据集所对应的研究以评估高危因素对内镜治疗疗效的影响为出发点，这些高危因素包括门静脉压力升高、并发粗大腔外血管、门静脉血栓以及显著门体分流。研究通过将内镜治疗与介入治疗进行比较，目标是优化食管和胃静脉曲张的临床管理协议，提高门脉高压相关食管和胃静脉曲张的治疗效果，并改善患者预后。
【数据内容】
数据集涉及的条件包括门脉高压、胃食管静脉曲张出血、胃静脉曲张和食管静脉曲张，主题标签同样涵盖上述四个方面。研究关注的核心内容包括高危因素对内镜治疗疗效的影响评估，以及内镜治疗与介入治疗之间的比较。源站未提供具体的样本量、变量字段、随访时长或结局指标等数据内容细节。
【采集与来源】
该数据集来源于 clinicaltrials.gov，本站分类为循环系统疾病 / 其他。源站描述表明其对应一项以评估内镜治疗疗效并与介入治疗比较为目标的研究。源站未提供具体的采集方式、采集时间范围、采集机构或数据规模等信息。
【适用场景】
基于其主题与目标，该数据集适用于门脉高压相关胃食管静脉曲张出血临床管理相关的研究场景，例如探讨高危因素对治疗疗效的影响、比较内镜治疗与介入治疗的管理策略，以及支持食管和胃静脉曲张临床管理方案的优化分析。源站未提供其他具体适用场景的说明。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据获取方式、格式说明、字段定义或分析指引等。
【质量与限制】
源站未提供该数据集的质量评估信息、数据完整性说明或已知限制。使用时应以源站 clinicaltrials.gov 的注册信息为准。
【引用与许可】
源站未提供该数据集的引用格式与许可条款信息。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://clinicaltrials.gov/study/NCT07502729
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
条件：门静脉高压、胃食管静脉曲张出血、胃静脉曲张、食管静脉曲张。本研究旨在评估高危因素——如门静脉压力升高、合并粗大腔外血管、门静脉血栓形成及显著的门体分流——对内镜治疗疗效的影响。通过与介入治疗进行比较，旨在优化食管胃静脉曲张的临床管理方案，提高门静脉高压相关食管胃静脉曲张的治疗效果，并改善患者预后。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
